就在开源的DeepSeek-R1被整合进各路AI搜索工具之际，OpenAI临时举行小型发布会。4点27通知，8点开始直播。ChatGPT上新“Deep Research”，把推理大模型的思考能力用于联网搜索。
据介绍，Deep Research功能可在数十分钟完成人类专家需要几个小时的复杂研究任务。
在“人类最后的考试”上，DeepResearch刷新了最高分，比o3-mini高推理设置分数高出一倍。
该测试包括3000多个多选和简答题，涵盖从语言学、火箭科学到生态学的100多个主题。
与o1相比，Deep Research最突出的地方在化学，人文和社会科学以及数学中，表现出类似人类的“在必要时寻找专业信息”的能力。
另一项测试GAIA，在现实世界问题上评估AI的公开基准测试，Deep Research在3个级别的难度上均刷新记录，平均完成一个问题花费60-70秒。
出于保护基准测试的目的，OpenAI只展示了Deep Research在完成这些任务时的搜索过程，隐去了最终答案。
Deep Research功能接下来将对Pro、Plus和Team用户开放。
奥特曼后面补充，目前版本基于o3构建，Plus用户（20美元/月）每个月能用约10次，且正在构建一个更高效的版本。
此外，免费用户也能获得非常少量的使用额度。
推理Agent的第一步
OpenAI表示，Deep Research专门为在金融/科学/工程等领域从事高强度知识工作、需要深入精确且可靠研究的人群而设计。
它由OpenAI o3驱动，通过基于真实任务（涉及浏览器和Python工具的使用）的训练，采用了与o1相同的强化学习方法。
只需一个提示，它就会查找分析并整合数百个在线资源，生成一份达到研究分析师水平的综合报告。
Deep Research对于OpenAI的重要性，官方原话是：
Deep Research标志着我们在开发AGI的宏伟目标上迈出了重要一步。我们长期以来一直设想AGI能够进行新颖的科学研究，而Deep Research正是这一愿景的重要进展。
使用方法，点击输入框下方的Deep Research按钮即可，支持上传文件添加额外资料。
例如prompt：
Compile a research report on how the retail industry has changed in the past 3 years． Use bullets and tables where necessary for clarity．（写一份关于过去三年零售业变化的研究报告，并运用项目符号和表格来提升内容的清晰度）
ChatGPT线会确认一下问题细节信息，比如“您能具体说明您最感兴趣的零售业方面吗？”“您需要全球视角还是特定地区的分析？”
然后，它就开始分析+挖掘信息了：
侧边栏会显示所采取的步骤摘要和使用的信息来源。
完成任务的时间大概是5-30分钟，最终结果将以报告的形式输出。
OpenAI表示，接下来几周内，还将为这些报告添加嵌入式图片、数据可视化和其它分析输出。
和GPT-4o等相比，Deep Research对于需要深度和细节的多方面、特定领域的问题，能够进行广泛探索并引用每个观点。
不过，OpenAI也指出了Deep Research存在的局限性。
它有时会在回复中产生事实幻觉或做出错误的推断，尽管根据内部评估，其错误率明显低于现有的ChatGPT模型。
它可能在区分权威信息和谣言方面遇到困难，并且在自信度校准方面目前表现出弱点，常常无法准确传达不确定性。
报告和引用中可能会有轻微的格式错误，并且启动任务可能需要更长的时间。
下一步，OpenAI表示将在本月内将Deep Research推到移动和桌面APP端。目前，Deep Research可以访问公开网络和上传的文件，未来将能够连接到更多专业化的数据源，使其输出更加稳健和个性化。
我们预见ChatGPT将实现Agent体验的融合，用于异步、现实世界的研发和执行。Deep Research（可进行异步在线调查）与Operator（可进行现实行动）的结合，使ChatGPT能够执行越来越复杂的任务。
AI深度搜索是互联网的新界面
OpenAI研究员Jason Wei分享了他对这项新研究的看法：
它不仅是出色的Agent，也可以看成是互联网的新界面
人类使用互联网需要大量时间来搜索和点击，受到时间和注意力的限制。
AI永远不会累，一次可以浏览许多网站，并拥有几乎无限的世界知识。
将来，通过浏览器手动浏览互联网将过时，就像手动计算数字而不使用计算器一样。
OpenAI toG业务负责人Felipe Millon则分享了一个个人故事。
10月底，Millon的妻子被诊断出患有双侧乳腺癌，病情很严重，在12月初做了双乳房切除手术，晚些时候开始化疗。
他们遇到一个新问题，是否应该接受放疗，对于她的具体病情来说，这是一个模糊问题，不同的专家给出不同的建议。
Millon在OpenAI已经获得了Deep Research的测试权限，就尝试上传了手术报告，并询问ChatGPT的建议。
ChatGPT不仅证实了人类专家提到的内容，还搜索出了全新的参考研究。
MIllon认为，这是一个将改变世界的工具。
此外也有少数第三方团队提前获得了Deep Research的测试资格，并在今日分享测试结果。
Every团队介绍，一些问题要花费30分钟才得到结果，答案可能超过1万个单词。
他们做的测试包括：
撰写从2020年到今天每一天的历史
阅读《战争与和平》的第1章，分析托尔斯泰的人物描写，回答他对人性的看法是什么？
仔细查阅近期的 10-K 报告以发现未报告的财务违规行为……
测试中发现的局限性包括：
有时信息缺失引用来源
没有“停止”按钮，如果搜索歪了只能重头开始